A simple and powerful test of vaccine waning

제목: 백신 효능 감소를 검증하는 간단하고 강력한 방법

저자: 겔레르트 페렌yi, 마티아스 얀빈, 그리고 마츠 J. 스텐스루드

문제 제기

백신 효능 (VE) 이 시간에 따라 감소하는지 여부를 판단하는 것은 공중보건 의사결정에 매우 중요합니다. 그러나 감소 정도를 정량화하는 것은 방법론적으로 미묘한 문제가 있습니다. 서로 다른 시점의 VE 추정치를 비교하는 (예: 1 개월 시점의 VE 대 3 개월 시점의 VE) 관례적인 접근 방식은 '취약 집단의 소진 (depletion of susceptibles)'으로 인한 선택 편향에 노출되어 있습니다. 시간이 지남에 따라 위약군의 위험에 노출된 상태로 남아있는 인구 집단은 초기 인구 집단과 다릅니다. 이는 감염에 가장 취약했던 사람들이 이미 결과를 경험했기 때문입니다. 따라서 시간이 지남에 따라 관찰된 VE 의 감소는 백신이 제공하는 생물학적 보호의 실제 감소가 아니라, 변화된 인구 구성을 반영한 것일 수 있습니다.

최근 연구 (Janvin 등, 2024) 는 더 약한 가정 하에서 감소를 정량화하기 위한 인과적 추정량 (challenge effects) 을 제안했으나, 이러한 추정량은 표준 무작위 대조 시험 (RCT) 에서 종종 부분적으로만 식별 가능합니다. 그 결과 도출된 구간은 감소의 유무를 명확히 주장하기에 너무 넓은 경우가 많습니다. 또한, 위험비 (HR) 를 사용하는 표준 시계열 분석은 취약 집단의 소진에도 영향을 받기 때문에, 근본적인 백신 효과가 일정하더라도 편향된 해석을 초래하여 감소 검정에 적합하지 않습니다.

방법론

저자들은 인과적 프레임워크에 기반하여 개인 수준에서 치료 효과가 시간에 따라 일정한지 여부를 평가하기 위한 공식적인 가설 검정을 제안합니다.

1. 대상 추정량 및 가설:
저자들은 '감소 없음'에 대한 날카로운 귀무가설 (Hypothesis 1) 을 정의합니다. 이 가설은 어떤 개인에게 있어서도, 노출이 시간 1 에 발생하든 시간 2 에 발생하든 (시간 1 에 격리되었다고 가정할 때) 노출 시의 잠재적 결과가 동일하다는 것을 전제합니다. 형식적으로 다음과 같습니다:
$$\Delta Y^{a, e_1=1}_1 = \Delta Y^{a, e_1=0, e_2=1}_2 \quad \text{w.p.1} \quad \forall a \in \{0, 1\}$$
이는 개인의 취약성이 구간 간에 일정하며 노출 시점에 독립적임을 의미합니다. 저자들은 합리적인 가정 하에 (구체적으로 위약 효과가 시간에 따라 변하지 않으며, 양의 감소와 음의 감소가 완벽하게 상쇄되지 않는다는 가정), 이러한 개인 수준의 날카로운 귀무가설이 인구 수준의 감소 없음 개념 ($VE^{challenge}_1 = VE^{challenge}_2$) 과 동등하다고 주장합니다.

2. 주요 가정:
이 검정은 무작위 대조 시험 (RCT) 에서 타당한 것으로 보이는 네 가지 주요 가정에 의존합니다:

• 노출 필요성: 노출 없이는 결과가 발생할 수 없습니다.
• 배제 제한 (Exclusion Restriction): 시간 1 의 노출은 생존을 통하지 않는 한 시간 2 의 결과에 영향을 미치지 않습니다 (무증상 감염으로 인한 유도 면역과 같은 이전 효과는 없습니다).
• 노출에 대한 치료 효과 부재: 맹검 시험에서 치료 배정은 (생존을 조건으로 할 때) 시간 1 또는 시간 2 에 노출을 추구할 확률에 영향을 미치지 않습니다.
• 노출 교환 가능성: 생존과 기저 특성을 조건으로 할 때, 노출 패턴은 치료군 간에 교환 가능합니다.

3. 검정 통계량:
귀무가설과 명시된 가정 하에, 저자들은 간단한 등식을 유도합니다: 첫 번째 구간의 발병률 (IR) 비율은 두 번째 구간의 발병률 비율과 같아야 합니다.
$$IR_1 = \frac{E[\Delta Y_1 | A=1]}{E[\Delta Y_1 | A=0]} = \frac{E[\Delta Y_2 | A=1]}{E[\Delta Y_2 | A=0]} = IR_2$$
검정 통계량은 이러한 발병률의 비율 ($IR_1 / IR_2$) 입니다. 귀무가설이 성립한다면 이 비율은 1 이어야 합니다. 저자들은 이 비율에 대한 신뢰구간을 계산하기 위한 세 가지 방법을 제공합니다:

• 비율에 직접 적용된 $\delta$-방법.
• 보수적인 $\delta$-방법.
• 비모수 부트스트랩 (개별 수준 데이터 필요).

중요하게도, 저자들은 위험비와 달리, 이 특정 검정 프레임워크에서 발병률 비율은 취약 집단 소진과 관련된 동일한 선택 편향에 노출되지 않음을 입증합니다.

주요 기여

1. 감소 검증을 위한 새로운 검정: 이 논문은 시간에 따른 VE 추정치 비교나 위험비 사용에 내재된 선택 편향을 피하는 날카로운 귀무가설 검정을 도입합니다.
2. 검정력과 단순성: 제안된 검정은 기존 부분 식별 접근법 (Janvin 등, 2024) 에 비해 상당한 검정력 향상을 제공합니다. 개별 수준 데이터나 관찰되지 않은 이질성의 복잡한 모델링 없이, 대부분의 출판된 RCT 에서 이용 가능한 요약 데이터 (발병 수) 만으로 구현할 수 있습니다.
3. 이론적 명확화: 이 연구는 인구 수준의 감소와 개인 수준의 감소 간의 차이를 명확히 하여, 합리적인 조건 (효과가 완벽하게 상쇄되지 않음) 하에서 날카로운 귀무가설을 기각하면 인구 수준의 감소가 함축됨을 보여줍니다.
4. 구간 개선: 검정 외에도 저자들은 추가 데이터 (예: 접촉 추적) 가 있을 때 Janvin 등 (2024) 이 유도한 구간을 개선할 수 있는 전략을 제공하여 감소 효과를 제한하는 새로운 결과를 제시합니다.

결과

저자들은 실제 및 시뮬레이션 예시를 통해 방법을 설명합니다:

• BNT162b2 (COVID-19) 재분석: BNT162b2 시험 (Thomas 등, 2021) 데이터를 재분석한 결과, Janvin 등 (2024) 의 이전 분석은 넓은 구간으로 인해 감소 없음의 귀무가설을 기각하지 못했으나, 새로운 검정은 귀무가설을 기각했습니다 ($P=0.01$). 추정된 발병률 비율의 비율은 0.48 이었으며, 이는 감소에 대한 증거를 제공합니다.
• 헬리코박터 파일로리 백신: Zeng 등 (2015) 의 시험 재분석에서, 이 검정은 귀무가설을 기각하지 않았습니다 ($P=0.97$). 이 결과는 안정적인 항체 수준이라는 생물학적 설명과 원래 시험에서 발견된 안정적인 효능과 일치하여, 감소가 없음을 정확히 식별하는 검정의 능력을 입증했습니다.
• 시뮬레이션: 시뮬레이션 연구는 귀무가설 하에서 이 검정이 올바른 제 1 종 오류율을 유지하며, 특히 노출 수준이 변할 때 위험비나 보수적 구간에 기반한 검정보다 더 높은 검정력을 보임을 확인했습니다.

중요성과 주장

저자들은 이 방법이 해석 가능한 가정 하에서 전통적인 백신 시험에서 유효한 백신 감소를 평가하는 "간단하고 강력한" 도구를 제공한다고 주장합니다.

• 타당성: 이 검정은 고전적 접근법이 요구하는 '비합리적인 가정'을 피하고, 무작위 대조 시험 (RCT) 에 표준적인 가정 하에서 유효합니다.
• 활용성: 이전 방법들이 결정적인 답을 제공하지 못했던 기존 시험에서 감소를 탐지할 수 있게 합니다.
• 한계: 저자들은 검정이 감소의 존재를 탐지하는 데 강력하지만, 추가 가정이나 데이터 없이는 감소의 정확한 크기에 대해서는 일반적으로 정보가 부족하다고 겸손하게 지적합니다. 감소가 확인되면, 감소의 정도를 정량화하기 위해 추가 단계 (예: 후속 시험 또는 추가 가정과 함께 재분석) 가 필요하다고 제안합니다.
• 범위: 이 논문은 이 검정이 감소의 존재를 평가한다고 강조합니다. 만약 검정이 귀무가설을 기각한다면, 이는 인구 수준의 도전 효과 변화를 나타내지만, 구체적인 메커니즘 (예: '누수성' 대 '전부 아니면 전무' 백신 효과) 은 추가 조사가 필요할 수 있습니다.

요약하자면, 이 논문은 취약 집단의 소진으로 인한 인공물과 진정한 백신 감소를 구별하기 위한 엄격하고 가정이 적은 통계적 프레임워크를 제공하여, 표준 RCT 데이터로부터 더 신뢰할 수 있는 추론을 가능하게 합니다.